精华内容
下载资源
问答
  • 参数辨识】永磁同步电机的参数辨识

    千次阅读 热门讨论 2020-08-15 16:33:21
    永磁同步电机的参数辨识 辨识的参数 定子电阻Rs, 永磁磁链φf, dq轴电感Lq 第一步 建立矢量控制的电机模型 第二步 确定辨识方法--这里我才用RLS方法(递推最小二乘法) 它的主要公式由以下三部分组成 第三步 将...

    辨识的参数为: 定子电阻Rs, 永磁磁链φf, dq轴电感Lq

    主要步骤可如下:
    1.建立矢量控制的电机模型
    2.确定辨识方法
    3.将定子电压方程转化为辨识方程
    4.搭建辨识仿真模型,开始仿真


    第一步 建立矢量控制的电机模型

    在这里插入图片描述

    第二步 确定辨识方法–这里我采用RLS方法(递推最小二乘法)

    它的主要公式由以下三部分组成

    第三步 将定子电压方程转化为辨识方程

    因为采用的id=0,故只需对q轴的定子电压进行辨识分析

    其中协方差矩阵初值P(0)选为特征值为1e4的3*3单位矩阵,遗忘因子选为0.999,a,b,c的初值分别选为0,0,1e4。
    注: w是转子旋转电角速度 它等于转子速度wm(rad/s)乘以极对数
    转子电角度 = 机械角度 * 极对数

    第四步 在矢量控制的基础上搭建辨识仿真模型,开始仿真

    同时需要在输入前和输入后加上滤波器,滤掉扰动噪声
    仿真结果如下:

    辨识结果:定子电阻5.53 电感0.01235 永磁磁链0.127
    与真实电机数据比较

    可得辨识误差为:定子电阻1.25% dq轴电感 6.74% 永磁磁链1.6%

    总结:对电感辨识误差略大,但总体电机参数辨识效果良好,达到了电机参数辨识的目的。

    展开全文
  • 异步电机参数辨识

    2018-08-08 09:54:49
    电机参数辨识综述主要介绍了参数辨识的一些方法和算法。重点介绍了变频控制下的电机T型等效的电路的参数辨识
  • RLS参数辨识,最小二乘法RLS参数辨识,最小二乘法RLS参数辨识,最小二乘法
  • 六关节机械臂动力学参数辨识 导语:两周的动力学参数辨识,使我学到很多,但遇到的问题更多,在网上有很多六关节动力学参数辨识的资料,但大家都是理论推导六关节,仿真时却是对二三关节来进行辨识,感觉有点...

    导语:两周的动力学参数辨识,使我学到很多,但遇到的问题更多,在网上有很多六关节动力学参数辨识的资料,但大家对于最小惯性参数集的推导都不详细,不能得到最小惯性参数集的系数和对应的回归矩阵,很多东西都是直接给出来了,这期间我自己搭建模型,写代码,目前成功辨识出来第六关节的惯性参数,但在辨识第五关节的惯性参数时遇到一点问题,正在解决中,下篇推出全部关节的辨识

    动力学参数辨识过程

    熟悉动力学参数辨识的人都明白辨识过程,过程如下,不再赘述
    辨识过程:1.建立机械臂动力学模型
    2.机器人动力学模型线性化并整理出最小参数集(难点)
    3.激励轨迹的设计及其优化
    4.动力学模型的参数辨识及其验证

    第一步 建立机械臂动力学模型

    动力学方程

    M(q)q¨+c(q,q˙)+G(q)=τ \boldsymbol{M}\left( \boldsymbol{q} \right) \boldsymbol{\ddot{q}}+\boldsymbol{c}\left( \boldsymbol{q},\boldsymbol{\dot{q}} \right) +\boldsymbol{G}\left( \boldsymbol{q} \right) =\boldsymbol{\tau }

    三种建模方法,牛顿-欧拉动力学建模方法应用最广泛,便于编程实现,网上也有资源,不多说。

    第二步 机器人动力学模型线性化并整理出最小参数集

    将第一步的动力学模型线性化如下:
    Φ(q,q˙)θ  =  τ \boldsymbol{\varPhi }\left( \boldsymbol{q},\boldsymbol{\dot{q}} \right) \cdot \boldsymbol{\theta }\,\,=\,\,\boldsymbol{\tau }
    θ  要辨识的惯性参数,Φ矩阵参数矩阵,qq˙的方程 \boldsymbol{\theta }\,\,是\text{要辨识的惯性参数,}\boldsymbol{\varPhi }\text{矩阵}是\text{参数矩阵,}是\boldsymbol{q}\text{和}\boldsymbol{\dot{q}}\text{的方程}

    我参考的书籍是:机器人动力学与控制第二章第五节.机器人的最小惯性参数及其应用
    这本书可以说是动力学参数辨识的鼻祖,是最原始的讲解,对于何种机械臂,最小惯性参数应该是多少,这本书里面均有着详细的讲解,网上也有资源,可以免费下载。
    对于6R机械臂,输入六个关节的DH参数,输出最小参数集为36个,参数如下

    注:这里暂未考虑摩擦系数,只有36个参数,如果考虑到摩擦,则有36+12=48个参数。

    第三步 激励轨迹的设计及其优化

    目前工业机器人动力学参数辨识大都采用傅里叶级数型的轨迹,这里我选择

    5*cos(t) + 10*cos(2*t)
    

    作为激励轨迹,轨迹的优化暂不考虑。

    第四步 动力学模型的参数辨识

    在进行这步之前,需搭建好你的机械臂控制器,机械臂动力学模型,辨识模块(这里采用RLS辨识)
    

    机械臂控制器模块:根据动力学模型建立的滑模控制器,能够跟踪理想的关节角度,关节角速度。
    动力学模型:牛顿欧拉动力学方程或者凯恩方法建立。
    辨识模块:递推最小二乘法辨识
    simulink仿真框图如下,其中包括机械臂动力学模型,控制器设计,牛顿欧拉动力学模型,第六关节辨识模块。

    机械臂动力学模型中各关节的惯性参数真实值为:

    我使第五,六关节的关节角为激励轨迹5cos(t) + 10cos(2*t),其余四个关节角为0,启动仿真,仿真结果如下
    六个关节角的运动角度曲线:

    可以看到第五六关节与期望轨迹吻合,且其余四个关节角均保持在1e-11次方左右,可认为是0,达到了角度控制的效果,控制器设计良好。

    第六关节惯性参数辨识结果:

    在参数辨识图中,第一个小图辨识的值为L_6xx-L_6yy的组合值,第二个小图辨识的值为L_6xy,第三个小图辨识的值为L_6xz,第四个小图辨识的值为L_6yz,将辨识结果与真实值比较可得,辨识效果很好,均得到准确的辨识。

    第一个小图辨识的值为L_6zz,第二个小图辨识的值为l_6x,第三个小图辨识的值为l_6y,比较可得,辨识准确,第六关节惯性参数得到了准确的辨识。

    遇到问题:在辨识出第六关节的惯性参数后,应该将辨识值作为已知值代入到第五关节的辨识程序中来辨识第五关节的惯性参数,但我遇到的问题是线性化后的第五关节的力矩和线性化之前的牛顿欧拉动力学的力矩不相等,导致第五关节惯性参数不能正确辨识,现正在调试中,期待不久能够解决。

    未完待续…

    展开全文
  • 多项式模型参数辨识

    2018-01-23 18:21:52
    负荷模型中的多项式模型的参数辨识程序,辨识算法采用最小二乘法。
  • 锂电池参数辨识

    2018-12-19 14:51:09
    锂电池参数辨识方法,精度高,可用与嵌入式代码生成,可以使用simulink进行仿真验证
  • 针对基于最小二乘法的参数辨识精度不高的问题,提出了一种基于鲸鱼优化算法的矿用机器人驱动系统参数辨识方法。通过建立矿用机器人驱动系统模型确定待辨识参数,将待辨识参数看作鲸鱼群个体位置,通过适应度函数来...
  • 梯度下降参数辨识.rar

    2020-03-29 14:02:17
    基于梯度下降的参数辨识代码,分析了定常和时变系统在不同学习率调整规则下的辨识结果。在MATLAB 的AppDesigner设计工具上制作了参数辨识面板。
  • 调速系统参数辨识.zip

    2019-09-14 13:20:22
    调速系统参数辨识zip,调速系统参数辨识
  • 小区间常数法,加样条采样,CK法辨识阻力系数 兵器专业参数辨识入门基础
  • 针对电池一阶模型,使用最小二乘法进行参数辨识,使误差最小。有研究电池模型或者最小二乘法的同学可以过来看看。
  • 电池参数辨识之最小二乘法

    万次阅读 多人点赞 2018-12-30 16:32:48
    锂离子电池研究的流程一般为:实验 ——内部特性研究——建模——参数辨识——估算算法——搭建实验平台。
     版权声明:本文为博主原创文章,未经博主允许不得转载。
    

    首先,锂离子电池中的参数辨识方法大体有三类:
    (1)脉冲放电然后利用Matlab的cftool工具箱拟合:李玲慧(天津大学硕士毕业论文)“电池管理系统的研究与设计”:链接:https://pan.baidu.com/s/1geCOUjh4tT8LU3ne_BmG1g 提取码:1mzf
    (2)最小二乘法,本节将主要讨论,具体定义、种类以及原理过程步骤,这类相关的资料很多,博主不谈了,会介绍自己用的比较实用的论文和其他资料,主要分享递推最小二乘法的调参经验以及会给出算法的具体步骤(PS.会给出算法的具体框架,具体数据你要带入你自己的,这是一套数据);
    (3)阻抗特性分析,需要电化学工作站或者电池测试柜(博主买不起设备);
    ————好吧,下面进入正题,递推最小二乘法辨识模型参数。————
    1.最小二乘法的准备知识
      博主推荐一篇论文和一份相关的PDF,对于理解和编写最小二乘法很实用。郭向伟(华南理工大学博士学位论文)“电动汽车电池荷电状态估计及均衡技术研究”:链接:https://pan.baidu.com/s/1LlQ9ITz4ym95iMbGhKcPlg 提取码:i3ix
    备注:这篇论文中,理论知识和推理过程都很详细,但是存在错误,可能是论文作者的拼写或者其他方面原因,博主经反复推导验证,已改正并标注出
      盛晓婷(西安理工大学)“各种最小二乘算法总结”:
      链接:https://pan.baidu.com/s/1coGS02FHJNJi1K3Z0pVUwA 提取码:zn1n
    备注:这篇介绍的最小二乘法种类很多,并且每个最小二乘法都配有一个例子,至于你们怎么运用这个。。。。在这里插入图片描述

    2.最小二乘法算法框架
      下面便会给出代码具体过程,最重要的是中间的最小二乘法的算法框架以及对应模型的转换关系,还有的是下面的我遗传因子取值是1所以本质上是递推最小二乘法,一般你取0.95-1这个范围内就是带遗传因子的最小二乘法。最后强调一下,本代码的框架是在别人的基础上改进的带遗传因子的递推最小二乘法。

    %%%----------------离线递推最小二乘法(带遗忘因子)----------------%%%
    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    %  递推最小二乘法(RLS)辨识模型参数
    %  等效电路模型:二阶等效电路模型
    %  额定容量3000mAH,实际容量2987.1mAH,截止电压2.5V
    %  编程人:a往南向北,日期:2018/05/20
    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    close all;clear all;clc;
    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    %%1.输入输出信号
    num=xlsread('1-3-25HPPC5a.xls','Detail_94_1_3','F15057:G62677');%代入你自己数据
    ts= ;                      %总的采样时间
    x=num(1:ts,1)';             %实际电流
    y=num(1:ts,2)';             %实际电压
    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    soc=[];   
    ocv=[];      %代入你自己ocv-soc数据
    p=polyfit(soc,ocv,8);
    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    soc(1)=;          
    ocv(1)=;%你自己初始ocv-soc数据
    for i=2:ts;
        soc(i)=soc(i-1)+x(i)*1/(2.9871*3600);
        ocv(i)=polyval(p,soc(i));
    end
    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    %%2.RLS递推最小二乘辨识
    %%%y(k)=h1'*cs(k);
    %%%%2.1直接给出被辨识参数的初始值,即一个充分小的实向量以及直接给出初始状态P0,即一个充分大的实数单位矩阵
    cs0=[]';   %代入你自己的初始值
    p0=10^(3)*eye(5,5);
    E=10^(-20);                   %相对误差E
    cs=[cs0,cs0,zeros(5,ts-2)];           %被辨识参数矩阵的初始值及大小
    e=zeros(5,ts);                  %相对误差的初始值及大小
    
    ff=1;                           %遗忘因子
    T=1;                            %采样时间
    %2.2计算增益矩阵以及求辨识参数
    for k=3:ts;                     %开始求K 
        ev(k)=ocv(k)-y(k);
        h1=[ev(k-1),ev(k-2),-x(k),-x(k-1),-x(k-2)]';
        q=h1'*p0*h1+ff;            %遗忘因子1
        q1=inv(q);                 %开始求K(k)
        k1=p0*h1*q1;               %求出K(k)的值
        error1(k)=ev(k)-h1'*cs0;      %求电压实验值和理论值误差
        cs1=cs0+k1*error1(k);
        e1=cs1-cs0;               %求参数当前值与上一次的值的差值
        e2=e1./cs0 ;              %求参数的相对变化
        e(:,k)=e2;                %把当前相对变化的列向量加入误差矩阵的最后一列       
        cs0=cs1;                  %新获得的参数作为下一次递推的旧参数
        cs(:,k)=cs1;              %把辨识参数c 列向量加入辨识参数矩阵的最后一列 
        p1=(p0-k1*h1'*p0)/ff;          %求出 p(k)的值
        p0=p1;                    %递推
        if abs(e2)<=E break;      %若参数收敛满足要求,终止计算
        end                       %小循环结束
    end                           %大循环结束
    cs;                            %显示被辨识参数
    e;                             %显示辨识结果的收敛情况
    e2;
    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    %%3.分离参数
    a1=cs(1,1:ts); a2=cs(2,1:ts); a3=cs(3,1:ts); a4=cs(4,1:ts); a5=cs(5,1:ts);
    ea1=e(1,:); ea2=e(2,:);ea3=e(3,:); ea4=e(4,:);ea5=e(5,:); 
    
    %%4.代入逆变方程求最终参数
    % R=(a3-a4+a5)/(1+a1-a2);
    % ts*tp=T^2*(1+a1-a2)/(4*(1-a1-a2));
    % ts+tp=T*(1+a2)/(1-a1-a2);
    % R+Rs+Rp=(a3+a4+a5)/(1-a1-a2);
    % R*ts+R*tp+Rp*ts+Rs*tp=T*(a3-a5)/(1-a1-a2);
    % T为采样时间;
    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    b0=(a3-a4+a5)./(1+a1-a2);
    b1=T*T*(1+a1-a2)./(4*(1-a1-a2));
    b2=T*(1+a2)./(1-a1-a2);
    b3=(a3+a4+a5)./(1-a1-a2);
    b4=T*(a3-a5)./(1-a1-a2);
    
    dd=b2.*b2-4*b1;
    tsp=[(b2+sqrt(dd))/2;(b2-sqrt(dd))/2];
    
    R0=b0;
    t2=tsp(1,:);
    t1=tsp(2,:);
    R2=(b4-R0.*t1-b3.*t2)./(t1-t2);
    R1=b3-R0-R2;
    C2=t2./R2;
    C1=t1./R1;
    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    %预处理,这里取段平均值
    R00=mean(R0,2);
    R11=mean(R1,2);
    R22=mean(R2,2);
    C11=mean(C1);
    C22=mean(C2);
    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    %%5.画出辨识参数曲线以及误差曲线    %这部分不给出了,出图多少看你自己需求
    

    3.调参经验
      调参,又可分为离线和在线情况。但是本质都是一样,主要有三个方面: (1)用的实验工况是什么,个人经验,用的一般脉冲放电工况和HPPC工况辨识结果差距很大,建议HPPC实验工况。
       (2)ocv-soc关系曲线准确程度,因为在matlab里面高阶拟合过程中过拟合的情况属于很正常的。
       (3)最后一个是最关键的,是算法中初始参数的设置,特别是参数初始值和协方差初始矩阵,还有的是soc初始值、电压初始值以及遗忘因子的选择(0.95-1)等等,这都需要反复调试和尝试。
       我也只能谈到此,具体问题还要具体分析,祝大家百折不弯,做个直男,加油↖(ω)↗!加油↖(ω)↗!

    展开全文
  • 变压器油纸绝缘等效电路参数辨识及绝缘状态对参数的影响
  • 异步电机参数辨识研究,西南交大硕士毕业论文本论文研究了一套能够检测异步电机参数的离线辨识算法。设计了直流实验,并 利用额定电流法辨识定子电阻;设计了SPwM短路实验,并利用有功分量与无功分量 的关系辨识转子...
  • 此资源用来进行参数辨识,该算法为遗传算法,用此来进行辨识准确。
  • 梯度下降参数辨识.pdf

    2020-03-29 13:52:09
    采用梯度下降法,通过固定学习率、最速下降、共轭梯度三种方法,对定常系统和时变系统进行参数辨识,最后在matlab上设计了识别面板。该文档为该设计的总结文档。
  • 电机参数辨识专利

    2014-05-12 14:06:01
    电机自学习,参数辨识相关的专利,为国产主流变频器公司xx所编写
  • 6自由度机器人参数辨识,涉及到机器人动力学建模,线性化,激励轨迹优化等
  • 基于最小二乘法的系统参数辨识,吴令红,熊晓燕,系统辨识是自动控制学科的一个重要分支,由于其特殊作用,已经广泛应用于各种领域,尤其是复杂系统或参数不容易确定的系统的建模
  • 锂离子电池改进等效电路的参数辨识
  • 油纸绝缘变压器介质响应模型参数辨识研究
  • 多变量 Hammerstein - Wiener 模型的参数辨识
  • 电池参数辨识之最小二乘法-附件资源
  • 针对传统模型参数辨识方法和遗传算法用于模型参数辨识时的缺点,提出了一种基于微粒群优化(PSO)算法的模型参数辨识方法,利用PSO算法强大的优化能力,通过对算法的改进,将过程模型的每个参数作为微粒群体中的一个...
  • 1、最小二乘辨识的基本概念 2、一般最小二乘辨识方法 3、加权最小二乘辨识方法 4、递推最小二乘参数辨识方法 5、增广最小二乘辨识方法 6、多变量最小二乘辨识方法

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 1,417
精华内容 566
关键字:

参数辨识